基于集成学习的自适应单发多框检测器
计算机视觉与模式识别
2018-08-20 v1
摘要
我们提出对SSD——单发多框检测器(single shot multibox detector)的两项改进。首先,我们提出SSD中默认框选择的一种自适应方法。其利用数据来降低默认框最佳长宽比选择中的不确定性,并提升SSD在含小而复杂目标(如建筑工地上的设备)数据集上的性能。我们通过求给定训练集的长宽比分布,然后选取代表性数值来实现。其次,我们提出一种以SSD为组件的集成算法,其提升了SSD的性能,尤其在训练数据集规模较小时。与常规SSD算法相比,自适应框选择将平均精度均值提升了3%,而基于集成学习的SSD将其提升了8%。
引用
@article{arxiv.1808.05727,
title = {Ensemble-based Adaptive Single-shot Multi-box Detector},
author = {Viral Thakar and Walid Ahmed and Mohammad M Soltani and Jia Yuan Yu},
journal= {arXiv preprint arXiv:1808.05727},
year = {2018}
}
备注
6 pages, 2 figures, to appear in the Proceedings of the ISNCC 2018, 19-21 June 2018, Rome, Italy